機械学習は主に3つの分野に分かれます。

1つは 教師あり学習 と呼ばれるものです。 蓄積されたデータを元に機械が新しいデータや未来のデータの予測、あるいは分類を行うことを指します。 株価の予測や画像識別などが当てはまります。

教師なし学習 と呼ばれる分野も存在します。 蓄積されたデータの構造や関係性を機械が見出すことを指します。 小売店の顧客の傾向やGoogleの画像認識などで用いられています。

最後に 強化学習 です。 学習形態は教師なし学習に近いのですが、報酬や目標などを設定することで学習時に利益の最大化を図るように学習をする手法です。 囲碁などの対戦型AIとして用いられていることが多いです。

このなかで、教師あり学習は2つの手法に大別されます。

これから学ぶのは 回帰 です。 既存のデータから関係性を読み取り、その関係性を元にデータの予測を行う手法です。 予測される値は株価や宝石の時価などの連続値になります。

もう一つの分野である 分類 については教師あり学習（分類）という別講座を参照ください。 こちらもデータの予測を行うのが主目的ですが、予測される値はデータのカテゴリーであり、離散値となります。